CN113183707A - 一种全车主动悬架自适应定周期采样控制器设计方法及其系统 - Google Patents

一种全车主动悬架自适应定周期采样控制器设计方法及其系统 Download PDF

Info

Publication number
CN113183707A
CN113183707A CN202110558528.0A CN202110558528A CN113183707A CN 113183707 A CN113183707 A CN 113183707A CN 202110558528 A CN202110558528 A CN 202110558528A CN 113183707 A CN113183707 A CN 113183707A
Authority
CN
China
Prior art keywords
vehicle
module
suppressing
virtual
active suspension
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110558528.0A
Other languages
English (en)
Other versions
CN113183707B (zh
Inventor
李永明
于昆廷
佟绍成
白锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liaoning University of Technology
Original Assignee
Liaoning University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Liaoning University of Technology filed Critical Liaoning University of Technology
Priority to CN202110558528.0A priority Critical patent/CN113183707B/zh
Publication of CN113183707A publication Critical patent/CN113183707A/zh
Application granted granted Critical
Publication of CN113183707B publication Critical patent/CN113183707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
    • B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
    • B60G17/0152—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the action on a particular type of suspension unit
    • B60G17/0157—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the action on a particular type of suspension unit non-fluid unit, e.g. electric motor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明公开了一种全车主动悬架自适应定周期采样控制器设计方法及其系统，其具体步骤为：建立全车主动悬架模型，确定学习参数和增益常数，结合全车主动悬架模型与学习参数、增益常数确定连续时间形式的采样控制信号，并将其通过零阶保持器变为阶梯采样控制信号，本发明仅需通过采集主动汽车悬架系统的采样信息，即可实现对主动汽车悬架系统自适应控制，不但有效提高了自适应控制方法中全车主动悬架系统信息的使用率，而且有效的减少了网络控制算法下传输资源的损耗，减少了计算机的计算负担。

Description

一种全车主动悬架自适应定周期采样控制器设计方法及其 系统
技术领域
本发明涉及汽车主动悬架控制领域，特别是一种全车主动悬架自适应定周期采样控制器设计方法及其系统。
背景技术
近年来，随着科技的快速发展和人们生活水平的不断提高，汽车已经成为人们生活中不可或缺的代步工具，并且每年的汽车销量都在稳步增长。各大汽车生产商为了在商贸竞争中具有更大的优势，在提升汽车的性能方面投入了大量资源。而在汽车的性能中，汽车的稳定性无疑是考量汽车舒适性的重要指标。作为保持汽车稳定性的重要元件，汽车悬架系统的控制问题也引起了众多学者的广泛关注。
现代汽车中的悬架有两种，一种是从动悬架，另一种是主动悬架。相比于从动悬架，主动悬架系统的刚度和阻尼特性能根据汽车的行驶条件(车辆的运动状态和路面状况等)进行动态自适应调节，使汽车始终处于最佳减振状态。近年来，针对主动悬架系统的自适应控制问题吸引了诸多控制工程研究人员的关注，并且国内外的学者已经取得一系列研究结果。但是，现有技术仍然存在以下问题：
一、对于目前现有的主动悬架系统控制方法，控制对象大部分都是四分之一汽车悬架系统，忽略了各个主动汽车悬架系统相互间的影响，在只控制独立的四分之一汽车悬架系统时，无疑可以保证当前悬架系统的稳定性。但是，即使当前的四分之一汽车悬架系统稳定时，其他汽车悬架系统仍有可能在保持制动，而给该控制好的悬架系统带来影响，从而影响整个汽车的稳定性。另外，从整个车身的角度看，即使当所有的悬架系统都保持稳定，当前的称身状态仍有可能处于一种倾斜或者俯仰的状态。
二、在现有的全车主动悬架系统控制方法中，需要实时反馈悬架系统中的信息。而从实际角度来看，以往的控制方法中，需要对汽车的数据进行一个实时获取，即每时每刻都需要获取汽车的反馈信息，如1秒到2秒内，存在着1.1 秒至1.9秒，以往的控制方法中需要在这1秒至2秒时间内所有的相关汽车数据，完成汽车进行控制，而我们知道，汽车的悬架系统的受力大小和方向每时每刻都在变化，而完全采集这些所有的变化信息基本上是很难实现的。因此，以往的自适应控制方法在实际应用中有着很大的局限性。
三、现有的自适应方法虽然可以实现对主动悬架系统的控制，但是在面对部分数据缺失等情况时，会导致无法计算控制信号，从而丢失控制效果。因此，汽车在数据缺失时刻就得不到有效的控制，无法保障系统的稳定性。
发明内容
本发明提供一种全车主动悬架自适应定周期采样控制器设计方法及其系统，以克服自适应控制方法在实际应用中有着很大的局限性等问题。
为了实现上述目的，本发明的技术方案是：
一种全车主动悬架自适应采样控制器设计方法，其特征在于，该方法包括如下步骤：
步骤1、建立全车主动悬架模型；
步骤2、结合全车主动悬架模型与自适应律，获得虚拟误差面和学习参数；
步骤3、结合全车主动悬架模型与虚拟误差面、学习参数获得连续时间形式的采样控制信号；
步骤4、将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。
进一步的，所述全车主动悬架模型具体公式为：
Figure BDA0003078211600000021
Figure BDA0003078211600000022
Figure BDA0003078211600000023
Figure BDA0003078211600000024
Figure BDA0003078211600000025
Figure BDA0003078211600000026
其中，M是车身质量，m1，m2，m3和m4分别是右前方、右后方、左前方、左后方悬架系统的簧下质量，Ixx是汽车的横摇惯性矩，Izz是汽车的俯仰惯性矩， Fd1(t)，Fd2(t)，Fd3(t)和Fd4(t)分别是右前方、右后方、左前方、左后方悬架系统的阻尼力，Fs1(t)，Fs2(t)，Fs3(t)和Fs4(t)分别是右前方、右后方、左前方、左后方悬架系统的弹簧力，y(t)是车辆的垂向位移，θ(t)是汽车的横摇角度，φ(t) 是汽车的俯仰角度，y1(t)，y2(t)，y3(t)和y4(t)分别是右前方、右后方、左前方、左后方四个悬架系统的非簧载位移，yo1(t)，yo2(t)，yo3(t)和yo4(t)分别是不平整路面对右前方、右后方、左前方、左后方四个轮胎的支持力，a、b、c、 d分别为右前方、右后方、左前方、左后方悬架到车身质心的距离，kt1，kt2， kt3和kt4是右前方、右后方、左前方、左后方四个轮胎的刚度，
Figure BDA0003078211600000031
是车辆垂向位移的加速度，
Figure BDA0003078211600000032
是汽车横摇角度的加速度，
Figure BDA0003078211600000033
是汽车横摇角度的加速度，uy(t) 是抑制汽车垂向震动的控制律，uθ(t)是抑制汽车横摇的控制律，uφ(t)是抑制汽车俯仰的控制律，
Figure BDA0003078211600000034
和
Figure BDA0003078211600000035
分别是右前方、右后方、左前方、左后方四个悬架系统的非簧载位移加速度，u1(t)，u2(t)，u3(t)和u4(t)分别是右前方、右后方、左前方、左后方四个悬架系统的控制律。
进一步的，所述步骤2具体为：
步骤2.1、获取全车主动悬架模型的y(t)车辆的垂向位移，θ(t)汽车的俯仰角度，φ(t)汽车的横摇角度，计算出虚拟误差面zj，计算虚拟误差面zj的具体公式为：
Figure BDA0003078211600000036
其中，x1代表车辆的垂向位移y(t)，x2代表车辆的垂向位移速率
Figure BDA0003078211600000037
x3代表汽车的俯仰角度θ(t)，x4代表汽车的俯仰角度变化速率
Figure BDA0003078211600000038
x5代表汽车的横摇角度φ(t)，x6代表汽车的横摇角度变化速率
Figure BDA0003078211600000039
是非线性滤波模块的输出变量；
其中虚拟控制器αj的公式为：
α1＝-(λ1+1)z1,α3＝-(λ3+1)z3 (3)
α5＝-(λ5+1)z5,α0＝0,α2＝0,α4＝0, (4)
其中，λ1,λ3,λ5是虚拟控制器的正设计参数，α1为抑制汽车垂向震动的虚拟控制器，α3为抑制汽车横摇的虚拟控制器，α5为抑制汽车俯仰的虚拟控制器， z1是抑制汽车垂向震动的虚拟误差面，z3是是抑制汽车横摇的虚拟误差面，z5是抑制汽车俯仰的虚拟误差面；
步骤2.2、建立时间判断模块计算出增益常数s0(t)，计算增益常数s0(t)的公式为：
Figure BDA0003078211600000041
tk＝kh，k＝0,1...,∞ (6)
其中，tk是采样时间，k代表采样时刻，h是采样周期；
步骤2.3、对全车主动悬架模型进行非线性滤波过滤，利用增益常数s0(t)和自适应律
Figure BDA0003078211600000042
得到学习参数
Figure BDA0003078211600000043
利用增益常数s0(t)和自适应律
Figure BDA0003078211600000044
得到学习参数
Figure BDA0003078211600000045
的公式为：
Figure BDA0003078211600000046
Figure BDA0003078211600000047
Figure BDA0003078211600000048
其中，li和ej是非线性滤波的设计常数，
Figure BDA0003078211600000049
是非线性滤波的输出变量，αi是数据处理模块输出的虚拟控制信号，wi是转化误差，
Figure BDA00030782116000000410
是非线性滤波的输出变量关于时间t的导数，cj和
Figure BDA00030782116000000411
是学习律中的设计常数，
Figure BDA00030782116000000412
是获得增益后的转化误差，
Figure BDA00030782116000000413
是自适应律，其中cj＞0，
Figure BDA00030782116000000414
进一步的，所述步骤3具体为：
结合全车主动悬架模型与虚拟误差面zj、学习参数
Figure BDA00030782116000000415
计算出将连续时间形式的采样控制信号uy、uθ、uφ，Fy(t)，Fθ(t)和Fφ(t)的值，
计算出uy、uθ、uφ，Fy(t)，Fθ(t)和Fφ(t)值的公式分别为：
Figure BDA00030782116000000416
Figure BDA00030782116000000417
Figure BDA00030782116000000418
Figure BDA00030782116000000419
Figure BDA00030782116000000420
Figure BDA0003078211600000051
其中uy是抑制汽车垂向震动的控制律，uθ是抑制汽车横摇的控制律，uφ是抑制汽车俯仰的控制律，l1，l3，l5，e1，e3，e5是非线性滤波中的设计常数， w1是抑制汽车垂向震动的非线性滤波输出变量
Figure BDA0003078211600000052
与抑制汽车垂向震动的虚拟控制器α1的误差，w3是抑制汽车横摇的非线性滤波输出变量
Figure BDA0003078211600000053
与抑制汽车横摇的虚拟控制器α3的误差，w5是抑制汽车俯仰的非线性滤波输出变量
Figure BDA0003078211600000054
与抑制汽车俯仰的虚拟控制器α5的误差，
Figure BDA0003078211600000055
是非线性滤波中的抑制汽车垂向震动学习参数，
Figure BDA0003078211600000056
是非线性滤波中的抑制汽车横摇学习参数，
Figure BDA0003078211600000057
是非线性滤波中的抑制汽车俯仰学习参数，Fy(t)是汽车垂向变化的合力，Fθ(t)是汽车横向变化的合力，Fφ(t)是汽车俯仰变化的合力，λ2是抑制汽车垂向震动的虚拟控制器中的设计常数，λ4是抑制汽车横摇的虚拟控制器中的设计常数，λ6是抑制汽车俯仰的虚拟控制器中的设计常数，z2是抑制汽车垂向震动的虚拟误差面，z4是抑制汽车横摇的虚拟误差面，z6是抑制汽车俯仰的虚拟误差面，θ(t)是汽车的横摇角度，φ(t)是汽车的俯仰角度。
进一步的，所述步骤4具体为：利用零阶保持器模块将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。
同样的目的，本发明还提供使用一种全车主动悬架自适应采样控制器设计方法的系统，其特征在于：包括时间判断模块、数据处理模块、参数在线学习模块、非线性滤波模块、采样控制器模块、零阶保持器模块和全车主动悬架系统；
所述时间判断模块的输出端与参数在线学习模块的输入端相连，所述数据处理模块的输入端与全车主动悬架模型的输出端相连，所述参数在线学习模块的输入端与数据处理模块、时间判断模块和非线性滤波模块的输出端相连，所述非线性滤波模块的输入端与数据处理模块和参数在线学习模块的输出端相连，所述采样控制器模块的输入端分别与数据处理模块和非线性滤波模块的输出端相连，所述零阶保持器模块的输入端与采样控制器的输出端相连，所述全车主动悬架系统与数据处理模块的输出端相连；
时间判断模块用于收集全车主动悬架系统采样时间，进而得到增益常数；
数据处理模块用于处理全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息以得到虚拟误差面数据，并将虚拟误差面数据传输给采样控制器模块；
非线性滤波模块用于将数据处理模块处理后的信息进行非线性滤波过滤，并利用学习反馈结果得到学习参数；
参数在线学习模块用于对全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息对自适应律进行在线学习，并将学习结果反馈到非线性滤波模块；
采样控制器模块用于利用学习参数与虚拟误差面数据，并结合全车主动悬架系统得到连续时间形式的采样控制信号；
零阶保持器模块用于将连续时间形式的采样控制信号转换为阶梯采样控制信号。
有益效果：
第一，本发明专利针对全车主动悬架系统，设计自适应采样控制器，解决了现有的主动悬架系统控制方法的控制对象大部分都是四分之一汽车悬架系统，忽略了各个主动汽车悬架系统相互间影响的问题。
第二，本发明仅需通过采集主动汽车悬架系统的采样信息，即可实现对主动汽车悬架系统自适应控制，有效提高了自适应控制方法的高效性，解决了现有的全车主动悬架控制方法大部分都需要全车主动悬架的实时信息来控制全车主动悬架的问题。
第三，本发明专利所提出的采样控制器不需要实时变化控制信号，而是在一个采样周期中，只需要保持一定的采样信号值，大大的减少了悬架系统执行器的损耗，使得悬架系统的执行器具有更长的使用寿命，减少了相应的经济损耗。
第四，本发明的采样控制可以在系统存在部分数据缺失的情况下，也能达到预期的控制效果。于此同时，由于采样控制方法不需要系统的实时反馈，只需将采样时刻的信息进行传输，自适应采样控制降低了网络负荷，节省了通信资源。因此，相对于现有的控制方法，自适应采样控制不但具有更好的鲁棒性，而且可以更加有效地节省传输资源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明设计流程图；
图2是全车主动悬架系统的自适应采样控制示意图；
图3是针对全车主动悬架模型设计的采样控制器控制效果图；
图4是车身的垂直位移控制效果图；
图5是车身的垂直速率控制效果图；
图6是车身的俯仰角度控制效果图；
图7是车身的俯仰角速率控制效果图；
图8是车身的横摇角度控制效果图；
图9是车身的横摇角速率控制效果图；
图10是右前方汽车悬架垂直位移的控制效果图；
图11是右后方汽车悬架垂直位移的控制效果图；
图12是左前方汽车悬架垂直位移的控制效果图；
图13是左后方汽车悬架垂直位移的控制效果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例1提供了一种全车主动悬架自适应采样控制器设计方法，如图1-2，其特征在于，该方法包括如下步骤：
一种全车主动悬架自适应定周期采样控制器设计方法，其特征在于，该方法包括如下步骤：
步骤1、建立全车主动悬架模型；
步骤2、结合全车主动悬架模型与自适应律，获得虚拟误差面和学习参数；
步骤3、结合全车主动悬架模型与虚拟误差面、学习参数获得连续时间形式的采样控制信号；
步骤4、将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。
在具体实施例中，所述全车主动悬架模型具体公式为：
Figure BDA0003078211600000071
Figure BDA0003078211600000072
Figure BDA0003078211600000081
Figure BDA0003078211600000082
Figure BDA0003078211600000083
Figure BDA0003078211600000084
其中，M是车身质量，m1，m2，m3和m4分别是右前方、右后方、左前方、左后方悬架系统的簧下质量，Ixx是汽车的横摇惯性矩，Izz是汽车的俯仰惯性矩， Fd1(t)，Fd2(t)，Fd3(t)和Fd4(t)分别是右前方、右后方、左前方、左后方悬架系统的阻尼力，Fs1(t)，Fs2(t)，Fs3(t)和Fs4(t)分别是右前方、右后方、左前方、左后方悬架系统的弹簧力，y(t)是车辆的垂向位移，θ(t)是汽车的横摇角度，φ(t) 是汽车的俯仰角度，y1(t)，y2(t)，y3(t)和y4(t)分别是右前方、右后方、左前方、左后方四个悬架系统的非簧载位移，yo1(t)，yo2(t)，yo3(t)和yo4(t)分别是不平整路面对右前方、右后方、左前方、左后方四个轮胎的支持力，a、b、c、 d分别为右前方、右后方、左前方、左后方悬架到车身质心的距离，kt1，kt2， kt3和kt4是右前方、右后方、左前方、左后方四个轮胎的刚度，
Figure BDA0003078211600000085
是车辆垂向位移的加速度，
Figure BDA0003078211600000086
是汽车横摇角度的加速度，
Figure BDA0003078211600000087
是汽车横摇角度的加速度，uy(t) 是抑制汽车垂向震动的控制律，uθ(t)是抑制汽车横摇的控制律，uφ(t)是抑制汽车俯仰的控制律，
Figure BDA0003078211600000088
和
Figure BDA0003078211600000089
分别是右前方、右后方、左前方、左后方四个悬架系统的非簧载位移加速度，u1(t)，u2(t)，u3(t)和u4(t)分别是右前方、右后方、左前方、左后方四个悬架系统的控制律。
通过汽车主体图纸获取汽车的轮胎刚度，汽车总质量，汽车悬架系统距离车身质点的距离，以及汽车悬架系统的簧载质量，通过汽车悬架系统中传感器得到的悬架系统阻尼力、悬架系统弹簧力，以及悬架系统的垂向位移。通过汽车主体中传感器得到的汽车横摇角度和俯仰角度，汽车横摇速度和俯仰速度，以及汽车横摇加速度和俯仰加速度。
在具体实施例中，所述步骤2具体为：
步骤2.1、获取全车主动悬架模型的y(t)车辆的垂向位移，θ(t)汽车的俯仰角度，φ(t)汽车的横摇角度，计算出虚拟误差面zj，计算虚拟误差面zj的具体公式为：
Figure BDA0003078211600000091
其中，x1代表车辆的垂向位移y(t)，x2代表车辆的垂向位移速率
Figure BDA0003078211600000092
x3代表汽车的俯仰角度θ(t)，x4代表汽车的俯仰角度变化速率
Figure BDA0003078211600000093
x5代表汽车的横摇角度φ(t)，x6代表汽车的横摇角度变化速率
Figure BDA0003078211600000094
是非线性滤波模块的输出变量；
其中虚拟控制器αj的公式为：
α1＝-(λ1+1)z1,α3＝-(λ3+1)z3 (3)
α5＝-(λ5+1)z5,α0＝0,α2＝0,α4＝0, (4)
其中，λ1,λ3,λ5是虚拟控制器的正设计参数，α1为抑制汽车垂向震动的虚拟控制器，α3为抑制汽车横摇的虚拟控制器，α5为抑制汽车俯仰的虚拟控制器， z1是抑制汽车垂向震动的虚拟误差面，z3是是抑制汽车横摇的虚拟误差面，z5是抑制汽车俯仰的虚拟误差面；
步骤2.2、建立时间判断模块计算出增益常数s0(t)，计算增益常数s0(t)的公式为：
Figure BDA0003078211600000095
tk＝kh，k＝0,1...,∞ (6)
tk是采样时间，k代表采样时刻，h是采样周期；
步骤2.3、对全车主动悬架模型进行非线性滤波过滤，利用增益常数s0(t)和自适应律
Figure BDA0003078211600000096
得到学习参数
Figure BDA0003078211600000097
利用增益常数s0(t)和自适应律
Figure BDA0003078211600000098
得到学习参数
Figure BDA0003078211600000099
的公式为：
Figure BDA00030782116000000910
Figure BDA00030782116000000911
Figure BDA00030782116000000912
其中，li和ej是非线性滤波的设计常数，
Figure BDA00030782116000000913
是非线性滤波的输出变量，αi是数据处理模块输出的虚拟控制信号，wi是转化误差，
Figure BDA00030782116000000914
是非线性滤波的输出变量关于时间t的导数，cj和
Figure BDA00030782116000000915
是学习律中的设计常数，
Figure BDA00030782116000000916
是获得增益后的转化误差，
Figure BDA00030782116000000917
是自适应律，其中cj＞0，
Figure BDA00030782116000000918
在具体实施例中，所述步骤3具体为：
结合全车主动悬架模型与虚拟误差面zj、学习参数
Figure BDA0003078211600000101
计算出将连续时间形式的采样控制信号uy、uθ、uφ，Fy(t)，Fθ(t)和Fφ(t)的值，
计算出uy、uθ、uφ，Fy(t)，Fθ(t)和Fφ(t)值的公式分别为：
Figure BDA0003078211600000102
Figure BDA0003078211600000103
Figure BDA0003078211600000104
Figure BDA0003078211600000105
Figure BDA0003078211600000106
Figure BDA0003078211600000107
其中uy是抑制汽车垂向震动的控制律，uθ是抑制汽车横摇的控制律，uφ是抑制汽车俯仰的控制律，l1，l3，l5，e1，e3，e5是非线性滤波中的设计常数， w1是抑制汽车垂向震动的非线性滤波输出变量
Figure BDA0003078211600000108
与抑制汽车垂向震动的虚拟控制器α1的误差，w3是抑制汽车横摇的非线性滤波输出变量
Figure BDA0003078211600000109
与抑制汽车横摇的虚拟控制器α3的误差，w5是抑制汽车俯仰的非线性滤波输出变量
Figure BDA00030782116000001010
与抑制汽车俯仰的虚拟控制器α5的误差，
Figure BDA00030782116000001011
是非线性滤波中的抑制汽车垂向震动学习参数，
Figure BDA00030782116000001012
是非线性滤波中的抑制汽车横摇学习参数，
Figure BDA00030782116000001013
是非线性滤波中的抑制汽车俯仰学习参数，Fy(t)是汽车垂向变化的合力，Fθ(t)是汽车横向变化的合力，Fφ(t)是汽车俯仰变化的合力，λ2是抑制汽车垂向震动的虚拟控制器中的设计常数，λ4是抑制汽车横摇的虚拟控制器中的设计常数，λ6是抑制汽车俯仰的虚拟控制器中的设计常数，z2是抑制汽车垂向震动的虚拟误差面，z4是抑制汽车横摇的虚拟误差面，z6是抑制汽车俯仰的虚拟误差面，θ(t)是汽车的横摇角度，φ(t)是汽车的俯仰角度。
在具体实施例中，所述步骤4具体为：利用零阶保持器模块将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。
同样的目的，本发明提供实施例2：一种使用全车主动悬架自适应采样控制器设计方法的系统，其特征在于：包括时间判断模块、数据处理模块、参数在线学习模块、非线性滤波模块、采样控制器模块、零阶保持器模块和全车主动悬架系统；
所述时间判断模块的输出端与参数在线学习模块的输入端相连，所述数据处理模块的输入端与全车主动悬架模型的输出端相连，所述参数在线学习模块的输入端与数据处理模块、时间判断模块和非线性滤波模块的输出端相连，所述非线性滤波模块的输入端与数据处理模块和参数在线学习模块的输出端相连，所述采样控制器模块的输入端分别与数据处理模块和非线性滤波模块的输出端相连，所述零阶保持器模块的输入端与采样控制器的输出端相连，所述全车主动悬架系统与数据处理模块的输出端相连；
时间判断模块用于收集全车主动悬架系统采样时间，进而得到增益常数；
数据处理模块用于处理全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息以得到虚拟误差面数据，并将虚拟误差面数据传输给采样控制器模块；
非线性滤波模块用于将数据处理模块处理后的信息进行非线性滤波过滤，并利用学习反馈结果得到学习参数；
参数在线学习模块用于对全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息对自适应律进行在线学习，并将学习结果反馈到非线性滤波模块；
采样控制器模块用于利用学习参数与虚拟误差面数据，并结合全车主动悬架系统得到连续时间形式的采样控制信号；
零阶保持器模块用于将连续时间形式的采样控制信号转换为阶梯采样控制信号。
零阶保持器模块的作用是在信号传递过程中，把第nh时刻的采样信号值一直保持到第(n+1)h时刻的前一瞬时，把第(n+1)h时刻的采样值一直保持到 (n+2)h时刻，依次类推，从而把一个脉冲序列变成一个连续的阶梯信号。
如图2所示，在不平整的路面行驶时将车辆的垂向位移y(t)，汽车的俯仰角度θ(t)，汽车的横摇角度φ(t)等信息传输到数据处理模块，并利用所建立的参数在线学习模块得到自适应参数
Figure BDA0003078211600000111
将其输出到非线性滤波模块，利用非线性滤波模块和数据处理模块得到的信息在采样控制器模块中输出控制信号，该信号通过零阶保持器模块的处理再返回给汽车悬架系统。本发明的设计目标是使全车主动悬架系统在只使用采样数据的情况下实悬架系统达到稳定的状态。
仿真结果如图3-13所示。图3是针对全车主动悬架模型设计的采样控制器控制效果图，图4是车身的垂直位移控制效果图，图5是车身的垂直速率控制效果图，图6是车身的俯仰角度控制效果图，图7是车身的俯仰角速率控制效果图，图8是车身的横摇角度控制效果图，图9是车身的横摇角速率控制效果图，图10是右前方汽车悬架垂直位移的控制效果图，图11是右后方汽车悬架垂直位移的控制效果图，图12是左前方汽车悬架垂直位移的控制效果图，图 13是左后方汽车悬架垂直位移的控制效果图，通过以上仿真结果图可以看出，车身和四个方向汽车悬架的垂直位移和垂直速率都实现了收敛，这意味着样控制器成功地对全车车身进行了有效的控制。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种全车主动悬架自适应定周期采样控制器设计方法，其特征在于，该方法包括如下步骤：
步骤1、建立全车主动悬架模型；
步骤2、结合全车主动悬架模型与自适应律，获得虚拟误差面和学习参数；
步骤3、结合全车主动悬架模型与虚拟误差面、学习参数获得连续时间形式的采样控制信号；
步骤4、将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。
2.根据权利要求1所述的一种全车主动悬架自适应采样控制器设计方法，其特征在于，所述全车主动悬架模型具体公式为：
Figure FDA0003078211590000011
Figure FDA0003078211590000012
Figure FDA0003078211590000013
Figure FDA0003078211590000014
Figure FDA0003078211590000015
Figure FDA0003078211590000016
其中，M是车身质量，m1，m2，m3和m4分别是右前方、右后方、左前方、左后方悬架系统的簧下质量，Ixx是汽车的横摇惯性矩，Izz是汽车的俯仰惯性矩，Fd1(t)，Fd2(t)，Fd3(t)和Fd4(t)分别是右前方、右后方、左前方、左后方悬架系统的阻尼力，Fs1(t)，Fs2(t)，Fs3(t)和Fs4(t)分别是右前方、右后方、左前方、左后方悬架系统的弹簧力，y(t)是车辆的垂向位移，θ(t)是汽车的横摇角度，φ(t)是汽车的俯仰角度，y1(t)，y2(t)，y3(t)和y4(t)分别是右前方、右后方、左前方、左后方四个悬架系统的非簧载位移，yo1(t)，yo2(t)，yo3(t)和yo4(t)分别是不平整路面对右前方、右后方、左前方、左后方四个轮胎的支持力，a、b、c、d分别为右前方、右后方、左前方、左后方悬架到车身质心的距离，kt1，kt2，kt3和kt4是右前方、右后方、左前方、左后方四个轮胎的刚度，
Figure FDA0003078211590000021
是车辆垂向位移的加速度，
Figure FDA0003078211590000022
是汽车横摇角度的加速度，
Figure FDA0003078211590000023
是汽车横摇角度的加速度，uy(t)是抑制汽车垂向震动的控制律，uθ(t)是抑制汽车横摇的控制律，uφ(t)是抑制汽车俯仰的控制律，
Figure FDA0003078211590000024
和
Figure FDA0003078211590000025
分别是右前方、右后方、左前方、左后方四个悬架系统的非簧载位移加速度，u1(t)，u2(t)，u3(t)和u4(t)分别是右前方、右后方、左前方、左后方四个悬架系统的控制律。
3.根据权利要求2所述的一种全车主动悬架自适应采样控制器设计方法，其特征在于，所述步骤2具体为：
步骤2.1、获取全车主动悬架模型的y(t)车辆的垂向位移，θ(t)汽车的俯仰角度，φ(t)汽车的横摇角度，计算出虚拟误差面zj，计算虚拟误差面zj的具体公式为：
Figure FDA0003078211590000026
其中，x1代表车辆的垂向位移y(t)，x2代表车辆的垂向位移速率
Figure FDA0003078211590000027
x3代表汽车的俯仰角度θ(t)，x4代表汽车的俯仰角度变化速率
Figure FDA0003078211590000028
x5代表汽车的横摇角度φ(t)，x6代表汽车的横摇角度变化速率
Figure FDA0003078211590000029
Figure FDA00030782115900000210
是非线性滤波模块的输出变量；
其中计算虚拟控制器αj的公式为：
α1＝-(λ1+1)z1,α3＝-(λ3+1)z3 (3)
α5＝-(λ5+1)z5,α0＝0,α2＝0,α4＝0 (4)
其中，λ1,λ3,λ5是虚拟控制器的正设计参数，α1为抑制汽车垂向震动的虚拟控制器，α3为抑制汽车横摇的虚拟控制器，α5为抑制汽车俯仰的虚拟控制器，z1是抑制汽车垂向震动的虚拟误差面，z3是是抑制汽车横摇的虚拟误差面，z5是抑制汽车俯仰的虚拟误差面；
步骤2.2、利用时间判断模块计算出增益常数s0(t)，计算增益常数s0(t)的公式为：
Figure FDA00030782115900000211
tk＝kh，k＝0,1...,∞ (6)
其中，tk是采样时间，k代表采样时刻，h是采样周期；
步骤2.3、对全车主动悬架模型进行非线性滤波过滤，利用增益常数s0(t)和自适应律
Figure FDA0003078211590000031
得到学习参数
Figure FDA0003078211590000032
利用增益常数s0(t)和自适应律
Figure FDA0003078211590000033
得到学习参数
Figure FDA0003078211590000034
的公式为：
Figure FDA0003078211590000035
Figure FDA0003078211590000036
Figure FDA0003078211590000037
其中，li和ej是非线性滤波的设计常数，
Figure FDA0003078211590000038
是非线性滤波的输出变量，αi是数据处理模块输出的虚拟控制信号，wi是转化误差，
Figure FDA0003078211590000039
是非线性滤波的输出变量关于时间t的导数，cj和
Figure FDA00030782115900000310
是学习律中的设计常数，
Figure FDA00030782115900000311
是获得增益后的转化误差，
Figure FDA00030782115900000312
是自适应律，其中cj＞0，
Figure FDA00030782115900000313
4.根据权利要求3所述的一种全车主动悬架自适应采样控制器设计方法，其特征在于，所述步骤3具体为：
结合全车主动悬架模型与虚拟误差面zj、学习参数
Figure FDA00030782115900000314
计算出将连续时间形式的采样控制信号uy、uθ、uφ，Fy(t)，Fθ(t)和Fφ(t)的值，
计算出uy、uθ、uφ，Fy(t)，Fθ(t)和Fφ(t)值的公式分别为：
Figure FDA00030782115900000315
Figure FDA00030782115900000316
Figure FDA00030782115900000317
Figure FDA00030782115900000318
Figure FDA00030782115900000319
Figure FDA00030782115900000320
其中uy是抑制汽车垂向震动的控制律，uθ是抑制汽车横摇的控制律，uφ是抑制汽车俯仰的控制律，l1，l3，l5，e1，e3，e5是非线性滤波中的设计常数，w1是抑制汽车垂向震动的非线性滤波输出变量
Figure FDA0003078211590000041
与抑制汽车垂向震动的虚拟控制器α1的误差，w3是抑制汽车横摇的非线性滤波输出变量
Figure FDA0003078211590000042
与抑制汽车横摇的虚拟控制器α3的误差，w5是抑制汽车俯仰的非线性滤波输出变量
Figure FDA0003078211590000043
与抑制汽车俯仰的虚拟控制器α5的误差，
Figure FDA0003078211590000044
是非线性滤波中的抑制汽车垂向震动学习参数，
Figure FDA0003078211590000045
是非线性滤波中的抑制汽车横摇学习参数，
Figure FDA0003078211590000046
是非线性滤波中的抑制汽车俯仰学习参数，Fy(t)是汽车垂向变化的合力，Fθ(t)是汽车横向变化的合力，Fφ(t)是汽车俯仰变化的合力，λ2是抑制汽车垂向震动的虚拟控制器中的设计常数，λ4是抑制汽车横摇的虚拟控制器中的设计常数，λ6是抑制汽车俯仰的虚拟控制器中的设计常数，z2是抑制汽车垂向震动的虚拟误差面，z4是抑制汽车横摇的虚拟误差面，z6是抑制汽车俯仰的虚拟误差面，θ(t)是汽车的横摇角度，φ(t)是汽车的俯仰角度。
5.根据权利要求4所述的一种全车主动悬架自适应采样控制器设计方法，其特征在于，所述步骤4具体为：利用零阶保持器模块将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。
6.一种使用如权利要求1所述的一种全车主动悬架自适应采样控制器设计方法的系统，其特征在于：包括时间判断模块、数据处理模块、参数在线学习模块、非线性滤波模块、采样控制器模块、零阶保持器模块和全车主动悬架系统；
所述时间判断模块的输出端与参数在线学习模块的输入端相连，所述数据处理模块的输入端与全车主动悬架模型的输出端相连，所述参数在线学习模块的输入端与数据处理模块、时间判断模块和非线性滤波模块的输出端相连，所述非线性滤波模块的输入端与数据处理模块和参数在线学习模块的输出端相连，所述采样控制器模块的输入端分别与数据处理模块和非线性滤波模块的输出端相连，所述零阶保持器模块的输入端与采样控制器的输出端相连，所述全车主动悬架系统与数据处理模块的输出端相连；
时间判断模块用于收集全车主动悬架系统采样时间，进而得到增益常数；
数据处理模块用于处理全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息以得到虚拟误差面数据，并将虚拟误差面数据传输给采样控制器模块；
非线性滤波模块用于将数据处理模块处理后的信息进行非线性滤波过滤，并利用学习反馈结果得到学习参数；
参数在线学习模块用于对全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息对自适应律进行在线学习，并将学习结果反馈到非线性滤波模块；
采样控制器模块用于利用学习参数与虚拟误差面数据，并结合全车主动悬架系统得到连续时间形式的采样控制信号；
零阶保持器模块用于将连续时间形式的采样控制信号转换为阶梯采样控制信号。
CN202110558528.0A 2021-05-21 2021-05-21 一种全车主动悬架自适应定周期采样控制器设计方法及其系统 Active CN113183707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110558528.0A CN113183707B (zh) 2021-05-21 2021-05-21 一种全车主动悬架自适应定周期采样控制器设计方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110558528.0A CN113183707B (zh) 2021-05-21 2021-05-21 一种全车主动悬架自适应定周期采样控制器设计方法及其系统

Publications (2)

Publication Number Publication Date
CN113183707A true CN113183707A (zh) 2021-07-30
CN113183707B CN113183707B (zh) 2024-04-02

Family

ID=76984720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110558528.0A Active CN113183707B (zh) 2021-05-21 2021-05-21 一种全车主动悬架自适应定周期采样控制器设计方法及其系统

Country Status (1)

Country Link
CN (1) CN113183707B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115107605A (zh) * 2022-07-07 2022-09-27 辽宁工业大学 含有执行器故障的汽车座椅主动悬架系统及控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH071940A (ja) * 1993-03-04 1995-01-06 Ford Motor Co 適応形サスペンションシステム
CN103905959A (zh) * 2012-12-26 2014-07-02 上海航空电器有限公司 基于飞行员耳机的有源噪声控制装置
CN106828005A (zh) * 2017-01-22 2017-06-13 昆明理工大学 一种预规定瞬态性能的汽车主动悬架自适应控制方法
CN108859648A (zh) * 2018-08-16 2018-11-23 辽宁工业大学 一种基于神经网络的悬架减震器阻尼控制切换加权系数确定方法
CN109691997A (zh) * 2019-01-14 2019-04-30 苏州融康信息科技有限公司 脑磁场检测装置及脑磁场的检测方法
KR20200129207A (ko) * 2019-05-07 2020-11-18 현대자동차주식회사 차량의 액티브 서스펜션 제어방법
CN112440643A (zh) * 2020-11-30 2021-03-05 辽宁工业大学 一种主动悬架系统模糊自适应采样控制器及结构和设计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH071940A (ja) * 1993-03-04 1995-01-06 Ford Motor Co 適応形サスペンションシステム
CN103905959A (zh) * 2012-12-26 2014-07-02 上海航空电器有限公司 基于飞行员耳机的有源噪声控制装置
CN106828005A (zh) * 2017-01-22 2017-06-13 昆明理工大学 一种预规定瞬态性能的汽车主动悬架自适应控制方法
CN108859648A (zh) * 2018-08-16 2018-11-23 辽宁工业大学 一种基于神经网络的悬架减震器阻尼控制切换加权系数确定方法
CN109691997A (zh) * 2019-01-14 2019-04-30 苏州融康信息科技有限公司 脑磁场检测装置及脑磁场的检测方法
KR20200129207A (ko) * 2019-05-07 2020-11-18 현대자동차주식회사 차량의 액티브 서스펜션 제어방법
CN112440643A (zh) * 2020-11-30 2021-03-05 辽宁工业大学 一种主动悬架系统模糊自适应采样控制器及结构和设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈学文;张衍成;李萍;王阳;: "汽车主动悬架自适应模糊PID控制研究", 机械设计与制造, no. 02, 8 February 2014 (2014-02-08), pages 161 - 164 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115107605A (zh) * 2022-07-07 2022-09-27 辽宁工业大学 含有执行器故障的汽车座椅主动悬架系统及控制方法
CN115107605B (zh) * 2022-07-07 2024-05-10 辽宁工业大学 含有执行器故障的汽车座椅主动悬架系统及控制方法

Also Published As

Publication number Publication date
CN113183707B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
CN106985627B (zh) 一种车辆路面识别系统以及悬架模式切换方法
CN110568762B (zh) 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法
CN108248325B (zh) 基于事件触发的汽车主动悬架状态反馈控制方法
CN107791773B (zh) 一种基于规定性能函数的整车主动悬架系统振动控制方法
CN108859648B (zh) 一种悬架减震器阻尼控制切换加权系数确定方法
Vu et al. H∞ active anti-roll bar control to prevent rollover of heavy vehicles: a robustness analysis
CN112659841B (zh) 一种车辆半主动悬架集成控制方法及控制系统
CN107220405B (zh) 一种基于改进细胞膜优化算法的汽车底盘系统集成多目标优化方法
CN101916113B (zh) 一种基于主动悬架评价指标的车身姿态解耦控制方法
WO2023174327A1 (zh) 一种协同控制模块、自适应巡航系统及其控制方法、交通工具
CN113183707A (zh) 一种全车主动悬架自适应定周期采样控制器设计方法及其系统
CN112440643B (zh) 一种主动悬架系统模糊自适应采样控制器及结构和设计方法
CN112230551B (zh) 基于车辆底盘集成控制技术的防侧翻主动控制方法
CN112721561A (zh) 一种基于参数实时可调pid控制器的汽车主动悬架控制方法
CN115099035B (zh) 随机位移激励下含负刚度和惯容协作的悬架减振设计方法
CN112857540B (zh) 一种车辆质量识别方法、车辆及存储介质
JP6201306B2 (ja) 車両の制駆動力制御装置
CN113071282B (zh) 一种车辆调节方法及装置
CN111137093B (zh) 一种分布式驱动车辆悬架轮毂电机系统控制方法及系统
CN114368380A (zh) 一种适应不同载重的自动驾驶半挂卡车横向控制方法
CN110329028B (zh) 基于公路等级识别的混合电磁悬架模式切换系统及方法
CN113386767A (zh) 一种基于Koopman算子的四轮转向滚动时域控制方法
CN114154227A (zh) 一种重型挂车制动过程自适应学习方法
JP2001047832A (ja) 車輌の減衰係数制御装置
CN218594079U (zh) 一种分布式半主动悬架系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant